屬於NVIDIA AI Foundations服務其中一部分的全新BioNeMo Cloud服務，可加速推動生命科學研究、藥物發現和蛋白質工程的發展
NVIDIA 今（22）日宣布推出一組內容更包羅萬象的生成式人工智慧雲端服務，用於自訂人工智慧基礎模型，以加速推動新型蛋白質和治療方法的創造，以及推動基因體學、化學、生物學和分子動力學等領域的研究。
屬於 NVIDIA AI Foundations 服務其中一部分、用於人工智慧模型訓練和推論的全新 BioNeMo Cloud 服務，加速推動藥物發現研究中最耗時燒錢的階段。它讓研究人員能夠使用自己的專有資料來微調生成式人工智慧應用程式，並且直接在網路瀏覽器中運行人工智慧模型推論作業，或是透過新的雲端應用程式設計介面（API）輕鬆與現有的應用程式進行整合。
NVIDIA 醫療部門副總裁 Kimberly Powell 表示：「生成式人工智慧帶來改變的力量，使生命科學與製藥業前途一片光明。NVIDIA 與該領域的先驅業者長期合作，促成發展出 BioNeMo Cloud 服務，而這項服務已經變成一個人工智慧藥物發現實驗室。它提供預先訓練好的模型、在藥物發現管道的每個階段可以使用專有資料來自訂模型、幫助研究人員確定正確靶點、設計分子和蛋白質，以及預測它們在人體內的相互作用，以開發最佳候選藥物。」
早期採用者 Amgen
Amgen（安進）是全球重量級的生技公司之一，已經開始使用 BioNeMo Cloud 服務來推進其研發工作。
Amgen 數位創新研究加速中心生物治療發現部門執行董事 Peter Grandsard 表示：「BioNeMo 大大加快了我們發現生物製劑的過程。有了它，我們可以透過 Amgen 的專有資料預先訓練分子生物學的大型語言模型，探索和開發對患者有幫助的下一代藥物治療性蛋白質。」
生成式人工智慧助力加速藥物發現管道
BioNeMo Cloud 服務提供預先訓練好的人工智慧模型，幫助研究人員建立人工智慧藥物開發管道。Evozyne 及 Insilico Medicine 等藥物發現公司已經將這項服務用在支援資料驅動的藥物設計作業上，以開發新型治療候選藥物。
生成式人工智慧模型可以快速找出潛在的藥物分子——在某些情況下甚至是從頭開始設計化合物或基於蛋白質的治療方法。使用小分子、蛋白質、DNA 和 RNA 序列的大規模資料集來訓練這些模型，可以預測蛋白質的 3D 結構及分子與靶點蛋白質對接的程度。
透過搶先試用 BioNeMo 服務取得全新生成式人工智慧模型
除了先前推出的 MegaMolBART 生成式化學模型、ESM1nv 蛋白質語言模型，以及 OpenFold 蛋白質結構預測模型，BioNeMo 現在又推出六個全新經最佳化調整的開放原始碼模型。這六個模型包括：
- AlphaFold2：由 DeepMind 開發出且有已超過百萬位研究人員使用過的深度學習模型。用氨基酸序列來判定蛋白質結構的時間，從過去耗時數年降低至數分或秒。
- DiffDock：這個模型以高精度和高運算效率預測小分子的 3D 方向及對接互動情況，以協助研究人員瞭解藥物分子與靶點蛋白質的結合方式。
- ESMFold：這個蛋白質結構預測模型使用 Meta AI 的 ESM2 蛋白質語言模型，可以根據單個氨基酸序列來估計蛋白質的 3D 結構，無需使用多個相似序列的樣本。
- ESM2：這個蛋白質語言模型用於推斷蛋白質的機器表徵，對預測蛋白質結構、預測屬性及分子對接等下游任務來說十分有用。
- MoFlow：這個生成式化學模型從頭開始建立分子，用於分子最佳化及小分子生成，為潛在治療方法提出了多種化學結構。
- ProtGPT-2：這個語言模型生成新的蛋白質序列，幫助研究人員設計具有獨特結構、特性和功能的蛋白質。
BioNeMo 服務的用戶只要透過瀏覽器介面，就能輕鬆取得這些生成式人工智慧模型，進行互動式推論與以視覺化方式呈現蛋白質結構。將 BioNeMo 搭配 NVIDIA DGX Cloud 裡的超級運算資源，研究人員便能利用 NVIDIA Base Command 平台及 NVIDIA AI Enterprise 軟體套件，在完全託管的軟體服務上自訂各種模型。
製藥公司與新創公司利用 BioNeMo 來將人工智慧工作流程調整至最佳狀態
製藥業者及藥物發現新創公司現已開始使用 BioNeMo，在許多情況下取得了顯著成果。
Amgen 使用自己獨有的抗體資料，預先訓練和微調 BioNeMo 的 ESM 模型架構。它能夠將在 DGX Cloud 上訓練五個用於分子篩選和最佳化自訂模型所需的時間，從三個月縮短到只要數週便能完成。
來自芝加哥，也是 NVIDIA 針對尖端新創公司成立之 Inception 計畫成員的生技公司 Evozyne，該公司的研究人員與 NVIDIA 合作開發一款基於 BioNeMo 的深度學習模型，名為 Protein Transformer Variational AutoEncoder。Evoyzne 使用自家專屬的蛋白質資料來微調這個生成式人工智慧模型，能夠設計出與自然界中的酶相比，效能明顯高出不少的合成變體。
NVIDIA Inception 計畫主要成員之一的 Insilico Medicine，使用 BioNeMo 加速早期藥物發現過程，過去這件事要花上超過四年的時間及五億美元的費用。Insilico 從頭到尾都利用生成式人工智慧模型，可以將找出臨床前候選藥物的時間縮短三分之一、費用減少為十分之一。該藥物預期很快將進入二期患者臨床試驗。
註冊以搶先試用 BioNeMo。
在 GTC 大會中與人工智慧和醫療領域的最新發展進程分享——包括與 Amgen 合作的三場會議、與 Evozyne 合作的一場會議，以及與 DeepMind 合作的關於 AlphaFold 的會議。
寫出您的熱血電腦經驗就有機會變文章主角 再抽超級好禮 
